El documento proporciona una visión general de Apache Solr, un motor de búsqueda basado en Lucene que añade características adicionales como acceso HTTP y un interfaz de administración web. Se discuten aspectos clave como indexación, búsqueda, configuraciones de esquema de datos y componentes de búsqueda avanzados. Además, se mencionan recursos adicionales y referencias para aprender más sobre Solr.

1. 1Apache Solr
Paradigma Tecnológico
Servicios de formaciónApache Solr

2. 2Apache SolrÍndice
Introducción
Lucene
Solr
Instalación
Indexación
EsquemadeDatos
Búsqueda
ParámetrosdeBúsqueda
BúsquedaAvanzada
AnalizadoresdeTexto
Tokenización
Stemming
Sinónimos
StopWords
N-Gramas
ComponentesdeBúsqueda
Highlighting
Correcciónortográfica
Morelikethis

3. 3Apache Solr
Paradigma Tecnológico
Servicios de formaciónIntroducción

4. 4Apache Solr
Solr:MotordebúsquedabasadoenLucene.
Lucene:Proyectodecódigoabiertoescritoenjava.
Libreríaqueproporcionabúsquedasdetextodealtorendimientohaciendousodeíndicesinvertidos.
Mayorvelocidadenlabúsquedadecadenasdetexto.
Menordependenciadeltamañodelíndice.
Mayorflexibilidadenlasbúsquedasdetexto:Búsquedasportérmino, medianteN-Gramas,búsquedasfonéticas…
Mayorfacilidadparaordenacionesporscoreyponderaciones.
Característicasadicionales:Analizadoresdetexto,resaltadodecoincidencias,correctorortográfico,etc.
Introducción (I): Lucene

5. 5Apache Solr
Índice Directo
Índice Invertido
Introducción (II): Índice Invertido vs. Índice Directo
1
que es esto
2
esto es un texto
3
este texto es otro texto
que
1
es
1, 2, 3
esto
1, 2
un
2
texto
2, 3
este
3
otro
3
que
(1,1)
es
(1,2) (2,2) (3,3)
esto
(1,3) (2,1)
un
(2,3)
texto
(2,4) (3,2) (3,5)
este
(3,1)
otro
(3,4)

6. 6Apache Solr
SolresunproyectodecódigoabiertoescritoenjavaqueproporcionaunrecubrimientodeLuceneañadiendocaracterísticasadicionales:
AccesoHTTPaLucene.
Cachésparalograrmayorvelocidadenlasbúsquedas.
Interfazdeadministraciónweb.
ConfiguracióndelesquemadedatosydelservidormediantearchivosXML.
Facetadoderesultados(Agrupaciónderesultadosconcontadores).
Replicaciónydistribucióndeservidores.
…
Introducción (III): Solr

7. 7Apache Solr
Solrsedivideendospartes:
Índice:Sistemadeficherosquealmacenanlainformación.ContienelaconfiguracióndeSolryladefinicióndelaestructuradedatos.
Servidor:Proporcionaelaccesoalosíndicesylascaracterísticasadicionales.Admitepluginsparaañadirfuncionalidades.
Arquitectura de Solr(I)

8. 8Apache Solr
SolrpermitebúsquedaseindexacionesdistribuidasygestionalareplicacióndeíndiceshaciendousodeZookeeper.
Arquitectura de Solr(II): SolrCloud

9. 9Apache SolrArquitectura de Solr(III): Indexación y Búsqueda Distribuida

10. 10Apache Solr
Arquitectura de Solr(IV): Replicación Automática

11. 11Apache Solr
Requisitos:
Java1.6+(Java1.7+apartirdelaversión4.8)
Servidordeaplicaciones
Descarga:
http://lucene.apache.org/solr/
Pasos:
Copiadeíndice.
Desplieguedeservidorsobreelservidordeaplicacionesyconfiguracióndelogs.
Configuracióndeenlaceentreservidoreíndice.(Definirvariablesolr.home)
Instalación de Solr

12. 12Apache Solr
Paradigma Tecnológico
Servicios de formaciónIndexación

13. 13Apache Solr
schema.xml:ArchivoXMLquedefinelasestructuradedatosaindexar.
Estructuradecampo:
TiposdeDatos:Definidosporclasesjava.
Parámetrosopcionales:
default:Valorausarsinoserecibeninguno
required:Definesiuncampoesobligatorio.
indexed:Determinasiuncampoesbuscableuordenable.
stored:Determinasiuncamposepuederecuperarenunaconsulta.
multiValued:Elcampocontienemásdeunvalor.
Indexación de Contenidos (I): Esquema de datos
<field name=“nombrede campo" type=“tipode dato" />

14. 14Apache Solr
Canalesparaelenvíodedocumentos:
PeticiónHTTP:EnvíodeinstrucciónydatosasociadosvíaHTTPPOST.
ClienteSolrj:Clientejava.Permiterealizarlasdiferentesoperacionessobreelíndiceyenviarlainformaciónendiferentesformatos.
Fuentesdedatosparalaindexación:
XML:Coherenteconlaestructuradedatosdefinida.
ObjetosJava:RepresentaciónbinariadeldocumentoXML.
CSV:Documentodetextoconvaloresseparados.
Documentosenriquecidos:PDF,XLS,DOC,PPT,…
BasedeDatos:Adaptadorintermedio(DataImportHandler).
Indexación de Contenidos (II)

15. 15Apache Solr
Paradigma Tecnológico
Servicios de formaciónBúsqueda

16. 16Apache Solr
Canalesdebúsqueda:
PeticiónHTTP:EnvíodeinstruccióndebúsquedayparámetrosmedianteHTTPGET.
AdministradordeSolr:proporcionaunrecubrimientoparasimplificarlapeticiónHTTP.
ClienteSolrj:Poseetambiénlosmétodosnecesariospararealizarbúsquedassobrelosíndices.
RespuestacomoestructuraXML,JSON,javabin...
Búsquedas (I)

17. 17Apache Solr
q:Peticiónconformato“campo:valor”
start:Documentoinicialapartirdelcualsevanamostrarlosresultados.
rows:Indicaelnúmeromáximoderesultadosamostrar.
sort:Definelaordenacióndelosresultados.Ordenacionescombinadas. Formatodeordenaciones:“preciodesc,nombreasc”
fl:Camposquesedevuelvenenlarespuesta
fq:Mismoformatoque“q”.Limitalaquery(actúacomofiltro).Losresultadossecachean.
facets:Indicasisedeseanmostrarfacetas.Parámetrosadicionalesparaindicarelcampoporelquerealizarlas,límite,ordenación,etc.
…
Búsquedas (II): Parámetros de Búsqueda

18. 18Apache Solr
Wildcards:Solrnopermitewildcardsiniciales
word*:*sustituyeacualquiernúmerodecaracteres.
w?rd:?sustituyeaunúnicocarácter.
w?*d:Puedencomponerseamboscomodines.
OperadoresLógicos
AND:word1ANDword2=word1&&word2=+word1+word2
OR:word1ORword2=word1||word2=word1word2
NOT:word1NOTword2=word1-word2
Búsquedas (III): Búsqueda Avanzada

19. 19Apache Solr
Rangos:Seexpresancomo“campo:[ATOB]”
Boosting:Sepuedenordenarresultadosdandomásimportanciaaciertoscampos
nombre:jose^2ANDalias:pepe^0.7
Fuzzy:Buscatérminossimilaresbasándoseennúmerodeinserciones, borradosointercambiosdecaracteres.Puededefinirseelgradodeproximidad.
nombre:sony~0.9->Devuelveresultadosconnombre“sony”
nombre:sony~0.4->Devuelveresultadosconnombre“coby”
Búsquedas (IV): Búsqueda Avanzada

20. 20Apache Solr
Paradigma Tecnológico
Servicios de formaciónAnalizadores de Texto

21. 21Apache Solr
ProcesadorespropiosdeSolroposibilidaddeimplementarnuevosanalizadores.
ConfigurablesporXML(schema.xml).Aplicablesacamposespecíficos.
Aplicablesentiempodeindexación,durantelabúsquedaoenambos.
Existenmúltiplesanalizadoresysepuedendefiniranalizadorespropios, algunosdelosqueproporcionaSolr:
Analizadores de Texto (I)
Tokenización
Stemming
Sinónimos
Stop Words
N-Gramas

22. 22Apache Solr
Tokenización:Divisióndetextomediantediferentesexpresiones(Espaciosenblanco,etiquetashtml,signosdepuntuación,expresionesregulares…)
Stemming:Reduccióndetérminosderivadosasuformaraíz.
Sinónimos:Transformacióndetextomediantedefiniciónexplícitaderelacionesdesinonimia.
Analizadores de Texto (II): Tokenización, Stemming, Sinónimos
<tokenizerclass="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.EnglishPorterFilterFactory" protected="protwords.txt"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>

23. 23Apache Solr
Stopwords:Eliminacióndepalabrasnosignificativasparaelprocesodebúsqueda.
N-Gramas:Separacióndetextoenlosdiferentesgruposdecaracteresquelocomponen.
Analizadores de Texto (III): Stop Words, N-Gramas
<filter class="solr.StopFilterFactory" words="stopwords.txt" ignoreCase="true"/>
<filter class="solr.NGramFilterFactory" minGramSize="2" maxGramSize="15"/>

24. 24Apache Solr
Paradigma Tecnológico
Servicios de formaciónComponentes de Búsqueda

25. 25Apache Solr
Loscomponentesdebúsquedaproporcionanfuncionesadicionalesalarecuperaciónderesultados.
Sonconfigurablesentiempodeconsulta(Algunospuedennecesitarconfiguraciónadicionalenlosarchivosxml).
AlgunosdeloscomponentesdebúsquedaqueproporcionaSolr:
Highlighting:Resaltadodetérminos.
SpellChecker:Correcciónortográfica.
MoreLikeThis:Resultadossimilares.
Componentes de Búsqueda (I)

26. 26Apache SolrComponentes de Búsqueda (II): Highlighting
Highlighting:Ofreceelresaltadodetérminosbuscadosdentrodeunacadenadetexto.
Algunosparámetrosdeconfiguración:
hl=true:Activaelresaltadodetérminos
hl.fl=[fieldnames]:Campoocampossobrelosqueserealizaráelresaltado.
hl.simple.pre/hl.simple.post=[etiqueta]:Etiquetaqueseañadiráantesydespuésdeltérminoresaltado(Ej.<spanclass=“bold”>término</span>)

27. 27Apache Solr
SpellChecker:Proporcionasugerenciasparaerroresortográficosbasadasenelcontenidoindexadooenundiccionario.
Parasugerenciasporcontenidoindexadoesrecomendablecrearuncampoparacorrecciónortográfica(Detipo“textSpell”o“textSpellPhrase”).
Configuración:
Componentes de Búsqueda (III): Corrección Ortográfica
<searchComponentname="spellcheck" class="solr.SpellCheckComponent">
<strname="queryAnalyzerFieldType">spell</str>
<lstname="spellchecker">
<strname="name">general</str>
<strname="field">spell</str>
<strname="classname">solr.DirectSolrSpellChecker</str>
<strname="distanceMeasure">internal</str>
<float name="accuracy">0.5</float>
</lst>
</searchComponent>

28. 28Apache Solr
MoreLikeThis:Componentedesugerenciadedocumentossimilares.Sebasaenlostérminosqueapareceneneldocumentorecuperadoylafrecuenciadelosmismos.
Configuraciónporparámetrosdebúsqueda:
mlt=true:Activalautilidadderesultadossimilares.
mlt.fl=[fieldnames]:Campoocamposanalizados.
mlt.count=[número]:Númeroderesultadosdevueltos.
mlt.qf=[field1^2.0field2^5.0]:Configuracióndeponderaciónsobrediferentescamposparaelcálculodesimilitud.
…
Componentes de Búsqueda (IV): More LikeThis

29. 29Apache Solr
Paradigma Tecnológico
Servicios de formación
Referencias

30. 30Apache Solr
EnlacesdeInterés:
PáginaOficial:http://lucene.apache.org/solr/
Wiki:http://wiki.apache.org/solr/
Mailinglist:http://mail-archives.apache.org/mod_mbox/lucene-solr-user/
Manuales:
Smiley,D.yPugh,E.(2011).ApacheSolr3EnterpriseSearchServer.PacktPublishing
Referencias y Enlaces de Interés